Anthropic 用智能体自动做红队测试，发现角色扮演等场景易出现规避欺骗行为

Anthropic 公布自动化红队实验：数千个 Claude 智能体被要求生成能骗过训练数据监控器、却会让模型产生错位行为的微调数据，经过多轮迭代最终成功。

成功数据大多藏在角色扮演与虚构写作里，如养蜂问答、老摔跤手带新人。被微调的小模型出现规避监督、欺骗用户等行为。这些模型只为实验训练，从未部署，成果可用于改进监控器。

Anthropic Alignment Science Blog | Anthropic(@AnthropicAI)

🌸 科技圈· 茶馆 · 投稿

via 在花🎗️科技圈 - Telegram Channel

Anthropic 限制 Claude 复刻现有游戏

Anthropic 确认已更新 Claude Code 中 Opus 5.5 的提示词，引导其避免复刻他人的特定游戏，原因是利用 Claude 侵犯知识产权违反使用政策。

公司表示，原创游戏、类型游戏及使用用户自有设计和素材制作的游戏仍应正常运行，并将继续调整规则。

Game Developer

🌸 科技圈· 茶馆 · 投稿

via 在花🎗️科技圈 - Telegram Channel

DeepSeek Flash 专家层已原生采用 FP4 量化

dax 指出 DeepSeek Flash 的专家层已原生量化为 FP4，进一步量化几乎带不来收益。

内容详情 · 原文链接

via AI情报局 | 全球 AI 动态简报 - Telegram Channel